{"course":{"id":"112212702I01","name":"大數據分析","enroll_type":"選修","general_type":"","dept":"四技電機系","grade":2,"class_group":"甲","teacher":"邱機平","credit":3,"hour":3,"time":[{"day":5,"section":[4]},{"day":5,"section":[5,6]}],"classroom":"","max":30,"min":10,"remark":"甲乙合班授課","alt_for":"","courses":""},"detail":[["指定教材","自編教材"],["參考教材","無"],["成績評量標準","作業與期末 Project 各占 50%"],["教學方法","理論講授,實務講授,分組實驗(實作)"],["教學目標","本課程的教學目標在於利用 Python 程式語言來訓練學生了解何謂大數據以及透過 Numpy 以及 Pandas 兩個模組的教授讓學生可以簡單進行數據處理，由於數據本身包含許多相關特性，例如時序、分類、時間戳記等相關主題，需要較多時間練習與熟悉，為了達到以上的教學目標，因此，本課程除了理論講授外亦搭配實作練習行混合教學，以強化學生在邏輯訓練以及實作上的能力。"]],"office_time":[["邱機平","週一至週五上午八點至下午五點"]],"schedule":[["2024/01/19","4","4","1","邱機平","Anaconda 簡介","","Anaconda 是一個相當方便使用之資料科學工作平台，其使用方式包含如何建立虛擬環境、安裝工具程式的方式以及如何開啟平台上的工作網頁等部分，另外，還必須學習如何建立新的筆記本、更名以及網頁各個部份的介紹等。",""],["2024/01/19","5","6","2","邱機平","Jupyter Notebook 簡介","","Jupyter notebook (Jupyter 筆記本) 的用途在於將原本電腦端(Console-based)的作業方式延展至網頁端(Web-based)的作業，其內容包含有網頁應用(Web Application, 即可以使用瀏覽器工具讓程式碼與相關文件檔間建立連結)以及筆記本文件(Notebook documents, 即程式碼中包含資料輸入、計算結果、數學過程、影像、….. 等，所有相關的訊息均可以在網頁應用中看到)。",""],["2024/01/26","4","4","1","邱機平","大數據簡介","","這個部分在於介紹所謂大數據(Big data)基本上須具備有\"資料體積(Volume，great volume)\"、\"資料多樣性(Variety，various modalities)\"以及\"資料產生速率(Velocity，rapid generation)\"等三個特性(characteristic)以及大數據資料可以區分為已結構化資料(Structured data)、半結構化資料(Semi-structured)以及未結構化資料(Unstructured data)等三種。",""],["2024/01/26","5","6","2","邱機平","大數據簡介","","這個部分在於介紹所謂大數據(Big data)基本上須具備有\"資料體積(Volume，great volume)\"、\"資料多樣性(Variety，various modalities)\"以及\"資料產生速率(Velocity，rapid generation)\"等三個特性(characteristic)以及大數據資料可以區分為已結構化資料(Structured data)、半結構化資料(Semi-structured)以及未結構化資料(Unstructured data)等三種。",""],["2024/02/02","4","4","1","邱機平","Python 程式語言簡介","","由於本課程使用 Python 程式語言作為應用的語言，因此，在實質教授相關概念與應用前，需先幫學生學習簡單會使用到的 Python 語法以及如 input()、map()等函式、方法 split()、lambda 函式寫法、包含(comprehension)、資料型態轉換等介紹。",""],["2024/02/02","5","6","2","邱機平","Python 程式語言簡介","作業一","由於本課程使用 Python 程式語言作為應用的語言，因此，在實質教授相關概念與應用前，需先幫學生學習簡單會使用到的 Python 語法以及如 input()、map()等函式、方法 split()、lambda 函式寫法、包含(comprehension)、資料型態轉換等介紹。",""],["2024/02/23","4","4","1","邱機平","Numpy 模組簡介","","Numpy 模組是 Python 程式語言中有關科學計算模組裡最為基本的模組，其中有很多函式(Function)或是方法(Method)的使用方式與 Mablab 相似或是相同。Numpy 是以陣列(array)方式進行運算，這是不同於 Python 一般序列(Sequences)的概念，例如列舉(List)，所以，基本上 Numpy 的陣列使用與一般程式語言的陣列使用大致是相同的。",""],["2024/02/23","5","6","2","邱機平","Numpy 模組簡介","","Numpy 模組是 Python 程式語言中有關科學計算模組裡最為基本的模組，其中有很多函式(Function)或是方法(Method)的使用方式與 Mablab 相似或是相同。Numpy 是以陣列(array)方式進行運算，這是不同於 Python 一般序列(Sequences)的概念，例如列舉(List)，所以，基本上 Numpy 的陣列使用與一般程式語言的陣列使用大致是相同的。",""],["2024/03/01","4","4","1","邱機平","Numpy 模組: 廣播(Broadcast)概念介紹","","Numpy 模組的所有運算均支援以廣播(Broadcast)的方式進行隱含式元素對元素(Implicit element-to-element)的運算模式，其使用之記憶體量較少，亦可達到提升程式效率的目的。",""],["2024/03/01","5","6","2","邱機平","Numpy 模組: 廣播(Broadcast)概念介紹","","Numpy 模組的所有運算均支援以廣播(Broadcast)的方式進行隱含式元素對元素(Implicit element-to-element)的運算模式，其使用之記憶體量較少，亦可達到提升程式效率的目的。",""],["2024/03/08","4","4","1","邱機平","Numpy 模組: 向量化(Vectorization)計算概念介紹","","Numpy 是使用向量化(Vectorization)計算方式，所以可以提升效率，而所謂向量化計算的意思是指在計算過程中，程式碼係以元素對元素(element-to-element)的相對應方式進行運算，這種計算方式是 Numpy 內定的計算模式(Default mode)，其具備有較為簡潔的程式碼(意味著較少的錯誤發生)、容易閱讀與撰寫程式碼、程式碼更加貼近標準的數學符號(Mathematical notation)以及程式碼的撰寫更加貼近一般的口語(Pythonic code)。",""],["2024/03/08","5","6","2","邱機平","Numpy 模組: 向量化(Vectorization)計算概念介紹","作業二","Numpy 是使用向量化(Vectorization)計算方式，所以可以提升效率，而所謂向量化計算的意思是指在計算過程中，程式碼係以元素對元素(element-to-element)的相對應方式進行運算，這種計算方式是 Numpy 內定的計算模式(Default mode)，其具備有較為簡潔的程式碼(意味著較少的錯誤發生)、容易閱讀與撰寫程式碼、程式碼更加貼近標準的數學符號(Mathematical notation)以及程式碼的撰寫更加貼近一般的口語(Pythonic code)。",""],["2024/03/15","4","4","1","邱機平","Numpy 模組: 函式介紹","","本單元將會針對 Numpy 模組一些常用之函式進行介紹，例如，reshape()、linspace()、arange()、fromfunction()、ravel()、ix_()以及水平或是垂直堆疊與分割等相關函式介紹，另外，也會談及一些常用之方法，像是使用於線性代數概念之方法以及可以增加程式效率的方法等。",""],["2024/03/15","5","6","2","邱機平","Numpy 模組: 函式介紹","","本單元將會針對 Numpy 模組一些常用之函式進行介紹，例如，reshape()、linspace()、arange()、fromfunction()、ravel()、ix_()以及水平或是垂直堆疊與分割等相關函式介紹，另外，也會談及一些常用之方法，像是使用於線性代數概念之方法以及可以增加程式效率的方法等。",""],["2024/03/22","4","4","1","邱機平","Numpy 模組應用: 函式 genfromtxt() 介紹","","函式 genfromtxt() 執行時會有 2 個主要的循環(main loops)，第 1 個循環是將檔案中每列的資料轉換成字串序列(Sequence of strings)，之後第 2 個循環再將每一個字串轉換成適當的資料型態，這種執行方式比單一循環的函式慢，但卻具備有彈性，例如函式 genfromtxt() 有能力處理資料遺失(missing data)的情況，其他執行比較快且簡單的函式(例如 loadtxt())則無法處理。",""],["2024/03/22","5","6","2","邱機平","Numpy 模組應用: 函式 genfromtxt() 介紹","作業三","函式 genfromtxt() 執行時會有 2 個主要的循環(main loops)，第 1 個循環是將檔案中每列的資料轉換成字串序列(Sequence of strings)，之後第 2 個循環再將每一個字串轉換成適當的資料型態，這種執行方式比單一循環的函式慢，但卻具備有彈性，例如函式 genfromtxt() 有能力處理資料遺失(missing data)的情況，其他執行比較快且簡單的函式(例如 loadtxt())則無法處理。",""],["2024/03/29","4","4","1","邱機平","Pandas 模組簡介","","Pandas 是一個具備快速、彈性以及廣泛等特性的資料結構(Data Structure)工具模組程式，且使用 Python 語言進行資料的分析(Data Analysis)，同時，Pandas 係以 Numpy 為基礎所建立的工具程式(package)且可以與其進行相關資料間的整合；Pandas 最基本的兩個資料結構是 Series (for 1-dimensional) 以及 DataFrame(for 2-dimensional)，這兩個資料結構已廣泛使用於金融(Finance)分析、統計(Statics)、社會科學(Social Science)以及各種工程領域之應用。",""],["2024/03/29","5","6","2","邱機平","Pandas 模組簡介","","Pandas 是一個具備快速、彈性以及廣泛等特性的資料結構(Data Structure)工具模組程式，且使用 Python 語言進行資料的分析(Data Analysis)，同時，Pandas 係以 Numpy 為基礎所建立的工具程式(package)且可以與其進行相關資料間的整合；Pandas 最基本的兩個資料結構是 Series (for 1-dimensional) 以及 DataFrame(for 2-dimensional)，這兩個資料結構已廣泛使用於金融(Finance)分析、統計(Statics)、社會科學(Social Science)以及各種工程領域之應用。",""],["2024/04/05","4","4","1","邱機平","國定假日","","國定假日",""],["2024/04/05","5","6","2","邱機平","國定假日","","國定假日",""],["2024/04/12","4","4","1","邱機平","Pandas 模組: 資料結構 Series() 之介紹","","類別 pandas.Series() 的作用在於處理具備索引(index)之任意資料型態的一維度陣列(One-dimensional array)資料，至於產生類別 pandas.Series() 物件的一種簡單方式為 pandas.Series(data, index = index)，其中輸入參數 data 可以是 Python dict、ndarray 或是一個純量值(scalar value)，而輸入參數 index 則是此物件的索引資料。",""],["2024/04/12","5","6","2","邱機平","Pandas 模組: 資料結構 Series() 之介紹","","類別 pandas.Series() 的作用在於處理具備索引(index)之任意資料型態的一維度陣列(One-dimensional array)資料，至於產生類別 pandas.Series() 物件的一種簡單方式為 pandas.Series(data, index = index)，其中輸入參數 data 可以是 Python dict、ndarray 或是一個純量值(scalar value)，而輸入參數 index 則是此物件的索引資料。",""],["2024/04/19","4","4","1","邱機平","Pandas 模組: 資料結構 DataFrame() 之介紹","","類別 pandas.DataFrame() 的物件可以看做是包含類別 pandas.Series() 物件的容器(Container)，而其資料則為類似字典(dict-like)的型態，並為具備有 2 個維度(Two-dimensional)、可變大小(size-mutable)以及可包含各種資料型態並標示軸(axis)的表列資料結構(tabular data structure)，而在算術運算部分可以執行於列(Row)與行(Column)，同時本單亦會介紹有關於屬性以及方法等。",""],["2024/04/19","5","6","2","邱機平","Pandas 模組: 資料結構 DataFrame() 之介紹","作業四","類別 pandas.DataFrame() 的物件可以看做是包含類別 pandas.Series() 物件的容器(Container)，而其資料則為類似字典(dict-like)的型態，並為具備有 2 個維度(Two-dimensional)、可變大小(size-mutable)以及可包含各種資料型態並標示軸(axis)的表列資料結構(tabular data structure)，而在算術運算部分可以執行於列(Row)與行(Column)，同時本單亦會介紹有關於屬性以及方法等。",""],["2024/04/26","4","4","1","邱機平","Pandas 模組: 資料結構 Timestamp() 之介紹","","類別 pandas.Timestamp() 所代表的是時間戳記(時間戳記是使用數字簽名技術所產生的數據，簽名對象包含原始文件的訊息、簽名參數、簽名時間等資料，所以時間戳記可以證明原始文件存在的時間)，其使用的目的在於建立日期時間索引以及在 pandas 中其他時間序列的資料結構，同時，類別 pandas.Timestamp() 亦可取代 Python 中類別 dateime.datetime() 物件的使用。",""],["2024/04/26","5","6","2","邱機平","Pandas 模組: 資料結構 Timestamp() 之介紹","","類別 pandas.Timestamp() 所代表的是時間戳記(時間戳記是使用數字簽名技術所產生的數據，簽名對象包含原始文件的訊息、簽名參數、簽名時間等資料，所以時間戳記可以證明原始文件存在的時間)，其使用的目的在於建立日期時間索引以及在 pandas 中其他時間序列的資料結構，同時，類別 pandas.Timestamp() 亦可取代 Python 中類別 dateime.datetime() 物件的使用。",""],["2024/05/03","4","4","1","邱機平","Pandas 模組: 資料結構 Categorical() 之介紹","","類別 pandas.Categorical() 是一種 Pandas 的資料型態，此資料型態對應到統計學(statistics)中的類別變數(categorical variables)，這樣的變數使用於固定且被限制的可能數值間，而產生類別變數的方式係經由類別 pandas.Categorical() 的使用。",""],["2024/05/03","5","6","2","邱機平","Pandas 模組: 資料結構 Categorical() 之介紹","作業五","類別 pandas.Categorical() 是一種 Pandas 的資料型態，此資料型態對應到統計學(statistics)中的類別變數(categorical variables)，這樣的變數使用於固定且被限制的可能數值間，而產生類別變數的方式係經由類別 pandas.Categorical() 的使用。",""],["2024/05/10","4","4","1","邱機平","Pandas 模組: 樞紐分析表介紹","","所謂樞紐分析表，其意義在於將原先雜亂無章的資料，依據具備某些意涵的主題，將此一雜亂的資料彙整出其具備此一意涵的資料格式，例如，電商的產品銷售資料均是以日期與時間方式呈現出其銷售的狀況，而此一銷售部分僅可得知在某些時間的銷售總額為何?若是希望可以從此一資料中了解電器、服飾、食品、...等的各類別產品之銷售狀況，以目前資料方式便做不到，因此，可以將此一雜亂的資料進行表格化方式呈現，那麼原先雜亂的資料便可以透過此一方式整理，之後呈現出所有想要知道的資料，而此一表格部分便稱之為樞紐分析表。",""],["2024/05/10","5","6","2","邱機平","Pandas 模組: 樞紐分析表介紹","作業六","所謂樞紐分析表，其意義在於將原先雜亂無章的資料，依據具備某些意涵的主題，將此一雜亂的資料彙整出其具備此一意涵的資料格式，例如，電商的產品銷售資料均是以日期與時間方式呈現出其銷售的狀況，而此一銷售部分僅可得知在某些時間的銷售總額為何?若是希望可以從此一資料中了解電器、服飾、食品、...等的各類別產品之銷售狀況，以目前資料方式便做不到，因此，可以將此一雜亂的資料進行表格化方式呈現，那麼原先雜亂的資料便可以透過此一方式整理，之後呈現出所有想要知道的資料，而此一表格部分便稱之為樞紐分析表。",""],["2024/05/17","4","4","1","邱機平","Pandas 模組: 函式介紹","","本單元將會針對 Pandas 模組一些常用之函式與方法進行介紹，例如，randn()、to_numpy()、date_range()、head()、tail()、describe()、sort_values()、sort_index()、isin() 以及 reindex() 等介紹，以及可以增加程式效率的方法等。",""],["2024/05/17","5","6","2","邱機平","Pandas 模組: 函式介紹","","本單元將會針對 Pandas 模組一些常用之函式與方法進行介紹，例如，randn()、to_numpy()、date_range()、head()、tail()、describe()、sort_values()、sort_index()、isin() 以及 reindex() 等介紹，以及可以增加程式效率的方法等。",""],["2024/05/24","4","4","1","邱機平","Pandas 模組: 繪圖介紹","","Pandas 在處理包含有遺失值(missing values)的繪圖時，會依據繪圖的型態來決定遺失值是應該捨棄(drop)、排除(left out)或是填入值(fill)，以下為在繪圖中處理遺失值的內定動作，當然讀者若是希望自行決定處理方式，亦即不使用內定動作，可以使用方法 fillna() 或是 dropna() 來達到目的。",""],["2024/05/24","5","6","2","邱機平","Pandas 模組: 繪圖介紹","","Pandas 在處理包含有遺失值(missing values)的繪圖時，會依據繪圖的型態來決定遺失值是應該捨棄(drop)、排除(left out)或是填入值(fill)，以下為在繪圖中處理遺失值的內定動作，當然讀者若是希望自行決定處理方式，亦即不使用內定動作，可以使用方法 fillna() 或是 dropna() 來達到目的。",""],["2024/05/31","4","4","1","邱機平","期末報告","","本課程的學習，最終期望可以透過專案(project)的製作來達成學生之學習成就，所以，預計安排學生上台報告使用 Numpy 以及 Pandas 製作的專案內容，當然其中還包含有其他如爬蟲的技術學習等之使用。",""],["2024/05/31","5","6","2","邱機平","期末報告","","本課程的學習，最終期望可以透過專案(project)的製作來達成學生之學習成就，所以，預計安排學生上台報告使用 Numpy 以及 Pandas 製作的專案內容，當然其中還包含有其他如爬蟲的技術學習等之使用。",""]]}